@prefix owl: <http://www.w3.org/2002/07/owl#> .
@prefix skos: <http://www.w3.org/2004/02/skos/core#> .
@prefix dc: <http://purl.org/dc/terms/> .
@prefix xsd: <http://www.w3.org/2001/XMLSchema#> .
@prefix ltk: <http://data.loterre.fr/ark:/67375/LTK> .

<http://data.loterre.fr/ark:/67375/8LP> a owl:Ontology, skos:ConceptScheme .
<http://data.loterre.fr/ark:/67375/8LP-BW38VTQJ-7>
  skos:prefLabel "modèle statistique"@fr, "statistical model"@en ;
  a skos:Concept ;
  skos:narrower <http://data.loterre.fr/ark:/67375/8LP-TTRLBC80-X> .

<http://data.loterre.fr/ark:/67375/8LP-TTRLBC80-X>
  dc:modified "2024-05-02T11:59:18"^^xsd:dateTime ;
  skos:example "Cet article présente un modèle bayésien non-paramétrique pour la segmentation morphologique non supervisée. (Löser & Allauzen, 2016)"@fr, "Pour lever l'ambiguïté des textes non voyellés moyennant les approches non possibilistes, nous utilisons les méthodes SVM (Vapnik, 1998 le modèle bayésien naïf (Pearl, 1988) et les arbres de décision (Quinlan, 1986). (Ayed, Bounhas, Elayeb, Saoud & Evrard, 2014)"@fr, "Dans cet article, nous proposons un modèle bayésien non-paramétrique pour la segmentation mor-phologique. (Löser & Allauzen, 2016)"@fr, "In this paper we propose a new Bayesian model for fully unsupervised word segmentation and an efficient blocked Gibbs sampler combined with dynamic programming for inference. (Mochihashi, Yamada & Ueda, 2009)"@en, "Nous utilisons WEKA pour classer les attributs morphologiques selon les modèles SVM, les arbres de décision et le modèle bayésien naïf. (Ayed, Bounhas, Elayeb, Saoud & Evrard, 2014)"@fr, "Dans cet article, nous proposons d'envisager l'analyse morphologique grâce à un modèle bayésien non-paramétrique et hiérarchique afin de résoudre ces trois limitations. (Löser & Allauzen, 2016)"@fr ;
  skos:prefLabel "modèle bayésien"@fr, "bayesian model"@en ;
  skos:hiddenLabel "Modèle bayésien"@fr, "Bayesian model"@en ;
  skos:exactMatch <https://www.wikidata.org/wiki/Q55605061>, ltk:-C0JF0VSB-5 ;
  a skos:Concept ;
  skos:definition "Formule qui permet d’évaluer la probabilité d’un évènement au fur et à mesure que de nouvelles informations sont connues. (Loterre)"@fr, "A statistical model that predicts by calculating feature and label conditional probabilities. (Wang et al., Deep learning model for multi-classifcation of infectious diseases from unstructured electronic medical records, BMC Medical Informatics and Decision Making, 2022)"@en ;
  skos:inScheme <http://data.loterre.fr/ark:/67375/8LP> ;
  skos:broader <http://data.loterre.fr/ark:/67375/8LP-BW38VTQJ-7> .